基于文章的AI对话功能分析——文章带入、上下文注入与阅读联动

访问DeepWrite

排版设置

在这里统一调整字体、字号、目录停靠位置和正文显示方式，不挤占右上角工具条。

字体

字号

目录层级

目录停靠位置

决定目录固定在左侧还是右侧，方便按手势习惯或演示场景调整。

正文显示方式

决定正文是否保留独立阅读卡片背景；关闭后正文会更贴近整页背景。

中文长文先试中文经典；英文长文先试 English Essay。目录默认显示到 H2，可按需要扩到 H4；目录位置和正文显示方式也可以在这里统一调整。

朗读菜单

直接在 HTML 页面内朗读，下载文件和独立分享页都可使用。这里只保留最少功能。

当前状态：未开始

语音

语速 0.82x

高亮级别

浏览器支持时会记住上次朗读位置。

全屏专注式阅读说明

这页优先保留鼠标与触摸操作，让阅读、选词、点击链接和查看目录互不打扰。

单击正文空白区：同时显示或隐藏主题区和目录。
开始滚动正文：自动进入专注态，减少阅读时的视觉干扰。
双击正文空白区：进入或退出全屏专注式阅读状态。
全屏专注时，按 Esc 或点击“退出全屏专注”：退出全屏。

基于文章的AI对话功能分析——文章带入、上下文注入与阅读联动

一、前言：为什么需要"基于文章的AI对话"

普通AI聊天是"你问AI答"。但如果你不是有一个孤立的问题，而是有一篇具体的文章、一份材料、一个文档，你想让AI基于它来和你对话——这就是一个完全不同的场景。

DeepWrite的"基于文章的AI对话"解决的正是在这个场景下的三个核心问题：

文章怎么到AI那里去。不是复制粘贴（会丢结构），不是上传文件（会丢语义）。而是把文章的结构化信息系统地注入AI的上下文。
文章到了AI那里之后能做什么。不只是问答，而是深度阅读、结构化分析、知识萃取、内容改写。
AI的产物怎么回到文章来。不是聊完就散，而是产出笔记、标注、改写版本，回到原文的上下文里。

当前代码中，基于文章的AI对话有三种模式：阅读思考（从专注式阅读带入）、图文正式素材（手动选择文章和图片文件夹）、知识包（文章的结构化萃取）。

二、模式一：阅读思考——从阅读页面自然进入AI对话

2.1 工作流程

核心文件：src/lib/chat-room/reading-thought.ts、src/components/chat-room/ChatRoomReadingThoughtPane.tsx

用户在专注式阅读中阅读一篇文章。
在某个段落处，用户想和AI讨论这篇文章。点击"AI阅读思考"。
文章信息（标题、slug、正文内容）自动带入AI对话——用户不需要手动复制。
阅读思考侧栏（ReadingThoughtPane）显示文章信息，提供AI处理选项。

2.2 文章信息的两种带入方式

正式阅读带入：用户在专注式阅读页面（/read/[source]/[series]/[slug]）点击进入AI思考室。文章信息通过localStorage桥接传递（含token验证），防止跨站携带。
手动选择：在AI对话中打开文章选择器，从本地内容目录中挑选一篇文章带入。

2.3 AI如何处理带入的文章

根据用户选择的处理方式，系统构建不同的prompt：

模式	函数	做什么
完整上下文	`buildChatRoomReadingThoughtContextPrompt`	将文章全文注入system prompt
原文缩写	`buildChatRoomReadingThoughtSummaryPrompt`	AI先生成缩写，再基于缩写对话
阶段分析	`buildChatRoomReadingThoughtStageAnalysisPrompt`	按阅读思考四阶段（定位→理解→内化→输出）逐层分析
初始引导	`buildChatRoomReadingThoughtDraftPrompt`	为首次进入阅读思考的用户提供引导性提问

2.4 与专注式阅读的联动

用户在专注式阅读中选中一段文字→做笔记→笔记同步到AI对话中作为讨论上下文。
AI对话中的产出（分析结果、改写版本）可以保存为新的阅读笔记，回到原文上。

设计价值：普通AI聊天工具里，"读一篇文章"和"问AI关于这篇文章"是割裂的。你要手动把文章拷贝到AI对话框里。DeepWrite把它们打通了——你在读的时候点一个按钮，文章就出现在AI面前了。你不需要做一次"搬运工"。

三、模式二：图文正式素材——多篇文章+图片文件夹的系统化注入

3.1 工作流程

核心文件：src/components/chat-room/ChatRoomArticleImageContextDialog.tsx、src/lib/chat-room/article-image-context.ts

用户在AI对话中点击"添加文章/图片"。
打开选择对话框，可以从本地文件系统选择：
- 多篇文章（最多12篇）——从内容目录中选择MD文件
- 图片文件夹（最多40张图片）——选择本地图片目录
选好后，文章正文和图片路径列表被系统化地注入AI的system prompt。

3.2 上下文如何被注入

注入位置在request-payload.ts中，source标记为"article-image-context"，在运行记忆和长期记忆之前、决策专题上下文之后注入。

注入的内容包括：

每篇文章的标题和slug
文章正文（完整Markdown）
图片文件夹路径和图片相对路径列表

3.3 典型用途：生成图文Markdown草稿

这是一个特别实用的功能组合：

用户选择一篇现有的文章大纲+一个图片文件夹。
AI基于文章内容，生成一篇新的Markdown草稿。
草稿中的图片路径自动重写为相对路径（rewriteChatRoomArticleImageMarkdown）。
生成的草稿frontmatter记录来源文章标题、slug、图片文件夹路径等元数据。
保存为新的MD文件。

设计价值：这个功能让DeepWrite从"AI帮你写"升级为"AI帮你在已有素材的基础上创作"。素材不是你临时写给AI的，而是你已经在DeepWrite里积累的文章和图片。AI的工作是"重组和改写你的资产"，而不是"凭空想象"。

四、模式三：知识包——文章的结构化萃取

4.1 什么是知识包

核心文件：src/components/chat-room/ChatRoomArticleKnowledgePackDialog.tsx

知识包是一篇文章经过AI处理后生成的三层结构化萃取物：

原文稳定层：文章的摘要、核心张力、主要价值——这些是文章"不变的东西"。
高优先原文锚点卡：文章中最重要的原文段落，以卡片形式呈现，可以直接引用。
对话增量层：在多次AI对话中产生的理解和扩展——每次讨论都在丰富这层。
最终重整层：当对话积累到一定程度后，AI对整体理解的重整和升华。

4.2 知识包如何在对话中使用

用户在AI对话中打开知识包对话框，查看当前关联文章的知识包。
知识包的核心信息可以注入到对话上下文中——AI不仅看到原文，还看到之前对话中已经产生的理解。
知识包可以跨会话复用——同一篇文章在不同对话中，AI都能访问到累积的理解。

设计价值：普通的"基于文章提问"每次都是"AI读一遍原文"，之前的理解不会积累。知识包让理解可以跨对话积累——你不是第一次讨论这篇文章，AI也不是第一次看它。

五、请求组装全链路——文章信息在AI上下文中的位置

在每轮AI请求中，所有上下文按以下顺序组装（request-payload.ts）：

输出格式约定（Markdown规范）
个性化全局提示词
写作风格预设
专题对话上下文
判断校准
决策专题固定+动态段
知识包（课程知识包）
图文正式素材（文章+图片）
阅读思考文章（从专注阅读带入）
运行记忆
长期记忆（按需召回）
历史压缩摘要
对话历史
当前用户输入

文章相关的上下文（7、8、9号位置）在记忆系统之前、对话历史之前注入。这意味着：AI先看到文章，再看到记忆，最后看对话历史。文章是上下文的基础层。

六、使用场景串讲

场景一：读一篇深度文章时想和人讨论

用户在专注式阅读中读一篇关于气候变化的万字长文。读到第三章时，他想：这一段说"碳交易市场可能加剧不平等"，我想让AI帮我分析一下这个论点。

他点击"AI阅读思考"，文章自动带入。他选中那段文字，点"阶段分析"→"精读理解"。AI从原文出发，分析了这个论点的前提、论证结构、可能的反例，并关联到文章前面的相关段落。

他把AI的分析保存为阅读笔记，贴在原文那一句旁边。继续往下读。

用到的能力：阅读思考带入、阶段分析、阅读笔记联动。

场景二：基于多篇文章写一篇综述

用户在做某个领域的文献综述。他已经收集了5篇关键文章在DeepWrite里，还有200张相关的图表在一个图片文件夹里。

他在AI对话中打开"图文正式素材"，选择这5篇文章和图片文件夹。然后写了一条提示："请基于这5篇文章，写一篇3000字的综述，重点对比它们对XXX问题的不同看法。在适当的地方引用图片。"

AI生成了综述草稿，图片路径自动关联。他把草稿保存为新的MD文件，在专注式阅读里通读一遍。

用到的能力：图文正式素材（多文章+图片）、Markdown格式约定、草稿路径重写、专注阅读联动。

场景三：一篇反复讨论的文章

用户一周前在AI对话中讨论了一篇文章的论点。今天回到同一篇文章，打开知识包——之前讨论产生的理解和扩展都已经在里面了。

他基于知识包继续问AI："上次你说这个论点的弱点在于样本量太小。我现在找到了新的数据，样本量足够大了。重新评估一下。"

AI读取知识包中之前的分析+当前用户提供的更新信息，给出了更新后的评估。

用到的能力：知识包跨会话复用、文章上下文持久化。

七、价值总结

7.1 与普通AI聊天的核心差异

维度	普通AI聊天	文章AI对话
文章带入	手动复制粘贴，结构丢失	系统化注入，保持结构
图片带入	不支持或需上传	文件夹选择，路径自动关联
多文章处理	需手动拼接	最多12篇，各自独立识别
理解积累	每次从零开始	知识包跨会话复用
产出回流	手动复制回文档	保存为MD+笔记+frontmatter

7.2 三个核心判断

从"搬运工"到"自然人"。文章到AI之间的那条路，DeepWrite帮你走完了。你读的时候想讨论，点一下就行。你写作的时候想引用，选一下就行。不需要做复制粘贴这种"格式化搬运"。
从"一次性的"到"积累的"。普通对话中AI对一篇文章的理解是"阅后即焚"。知识包让理解可以跨会话积累——每次讨论都在加深，而不是重复。
从"AI帮你想"到"AI基于你的素材想"。图文正式素材让AI的思考不是凭空产生，而是基于你已经在DeepWrite里积累的文章和图片资产。AI是"写作助理"，不是"代笔人"。

排版设置

朗读菜单

全屏专注式阅读说明

先记住这 4 个阅读操作

基于文章的AI对话功能分析——文章带入、上下文注入与阅读联动

一、前言：为什么需要"基于文章的AI对话"

二、模式一：阅读思考——从阅读页面自然进入AI对话

2.1 工作流程

2.2 文章信息的两种带入方式

2.3 AI如何处理带入的文章

2.4 与专注式阅读的联动

三、模式二：图文正式素材——多篇文章+图片文件夹的系统化注入

3.1 工作流程

3.2 上下文如何被注入

3.3 典型用途：生成图文Markdown草稿

四、模式三：知识包——文章的结构化萃取

4.1 什么是知识包

4.2 知识包如何在对话中使用

五、请求组装全链路——文章信息在AI上下文中的位置

六、使用场景串讲

场景一：读一篇深度文章时想和人讨论

场景二：基于多篇文章写一篇综述

场景三：一篇反复讨论的文章

七、价值总结

7.1 与普通AI聊天的核心差异

7.2 三个核心判断

八、相关文档